如果您帮助我使用关键点创建简单对象的特征向量,我将不胜感激。目前,我使用的是ETH-80数据集,对象几乎是蓝色背景,图片来自不同的视图。像这样:
创建特征向量后,我想用这个向量训练神经网络,并使用该神经网络识别对象的输入图像。我不想让它变得复杂,输入图像将像火车图像一样简单。
之前我问过类似的questions,有人建议使用20x20邻域关键点的平均值。我尝试过,看起来它不适用于ETH-80图像,因为图像的视图不同。这就是我问另一个问题的原因。
答案 0 :(得分:4)
SURF或SIFT。寻找兴趣点探测器。 MATLAB SIFT实施是免费提供的。
答案 1 :(得分:2)
SIFT和SURF功能由两部分组成,即探测器和描述符。检测器在一些n维空间中找到该点(SIFT为4D),该描述符用于稳健地描述所述点的周围环境。后者越来越多地用于图像分类和识别,通常称为“词袋”或“视觉词”方法。在最简单的形式中,可以从所有图像中收集来自所有描述符的所有数据并将它们聚类,例如使用k-means。然后,每个原始图像都具有对许多聚类有贡献的描述符。这些聚类的质心,即视觉词,可以用作图像的新描述符。 VLfeat网站包含一个很好的这种方法演示,对caltech 101数据集进行分类:
http://www.vlfeat.org/applications/apps.html#apps.caltech-101